基于改进边界距离变换的路径提取算法研究*

针对虚拟内窥镜中心路径提取算法时间效率不高的问题,通过改进边界距离变换,提出了中心路径的快速提取算法。首先建立最小距离场,在边界内推过程,仅扫描并处理与边界点面连接的点并对其设标记属性,每次向里剥离一层体素标记属性随之增加,直到对内部点集都置到边界的最小边界距离值（DFB）;然后找到DFB值不小于其所有面邻接点DFB值的体素点,即3D局部最大值;最后用最短路径相连3D局部最大值,形成中心线。实验结果表明,改进的中心路径提取算法的时间效率较传统距离变换算法有很大提高。     

基于双距离场的三维中心路径提取算法

在真实的三维数据场中,自动地提取中心路径是实现自动漫游的关键问题.为了解决当前中心路径自动 提取算法中存在的效果差,计算量大的问题,提出了一种基于双距离场的快速三维中心路径提取算法,该算法对于 任意给定可连通的起点和终点,首先建立基于起点的源距离场和基于边界的边界距离场,然后通过两个距离场的 共同约束来快速地提取出一条连接起点和终点的中心路径,同时为了保证漫游的效果,还采用3次B样条曲线对 所获取的路径进行了光滑,最后在PC机平台上实现和测试了该算法,实验结果证明,该算法不仅速度快、效果好, 而且具有很高的灵活性.     

基于最大最小距离法的多中心聚类算法

针对k-means算法的缺陷,提出了一种新的多中心聚类算法。运用两阶段最大最小距离法搜索出最佳初始聚类中心,将原始数据集分割成小类后用合并算法形成最终类,即用多个聚类中心联合代表一个延伸状或者较大形状的簇。仿真实验表明：该算法能够智能地确定初始聚类种子个数,对不规则状数据集进行有效聚类, 聚类性能显著优于k-means算法。     

利用数据场和欧氏距离的图像边缘提取

图像边缘是图像分析和识别的基础,图像边缘信息的准确性和完整性对后续图像分析和识别有重要影响。为实现图像边缘有效提取,提出一种利用数据场和图像欧氏距离的图像边缘提取方法。首先,该方法利用数据场理论构建图像数据场,实现图像灰度值特征空间到数据场势值空间的转换。然后,在对图像数据场的势值计算时引入图像欧氏距离,利用图像区域欧氏距离扩大像素差异,抑制微小细节和噪声,得到\"背景\"和\"目标\"相对分离的势值图。最后,用改进Canny算法对势值图进行边缘提取。实验表明,用本文方法可以有效提高边缘提取的准确性,减少伪边缘,抑制冗余细节和噪声。     

求解NURBS曲面间最小距离的人工势场算法

针对Newton-Raphson(NR)法对初值要求苛刻的缺点,结合人工势场法和Verlet算法,提出一种求解NURBS曲面间最小距离的人工势场算法.该算法构建了小球势力场模型,通过分析小球受力情况,采用Verlet算法模拟小球在势力场中的运动过程,两球平衡位置即为曲面间最小距离处.将曲面边界问题用统一的算法描述,通过...     

基于距离场的三维模型网格重建

根据任意亏格和任意边界的3D网格模型,给出一种网格重建算法。该算法通过对原始网格进行一系列自适应的局部修改操作,改进网格中三角形的质量和顶点位置分布。为减少优化过程中误差的累积,提出基于距离场的算法将新生成的顶点保留到原始网格曲面上,该算法实现简单,不需要复杂的全局参数化操作。实验结果表明,该算法有效、快速、稳定。     

两种近似EMD的图像检索方法

相似度量是图像检索的关键,EMD是一种有效的度量距离,但其计算比较复杂,而且赖于基本距离的选择。采用Lloyd聚类算法对图像进行高斯混合建模,并以聚类失真作为基本距离提出了两种近似EMD的方法计算相似度。实验结果验证了该方法的有效性,其检索效率与EMD方接近,而且计算复杂度比EMD方法低,基本距离的选择不敏感。     

基于全尺度融合侧输出残差网络的骨架提取算法

图像骨架是一种紧凑、直观的图像表示方法。目前,现有基于深度学习的二值像素图像骨架提取算法存在骨架断裂问题。提出了一种基于全尺度融合侧输出残差Unet网络（FFSR-Unet）的骨架提取算法,该算法通过融合编码器和解码器不同层级间的特征,实现了前景对象不同形状尺度的特征交互,同时采用阶梯式残差块以增强网络对深层与浅层语义的提取能力。该算法在Pixel SkelNetOn Challenge数据集上的F1-score可以达到0.854 8,能够超越现有算法的提取结果。     

基于局部灰度占比的粘连细胞分割方法

针对医学细胞图像中的粘连现象,对采集到的细胞图像进行均值聚类、二值化、空洞填充、距离变换等预处理操作后,根据距离变换图像的像素灰度值来选取实现粘连细胞分割的最佳阚值,在分析重叠或粘连细胞图像的局部像素特征的基础上,对距离变换处理后图片的局部灰度占比分布进行了全面的分析和处理.实验结果表明,该方法简单易行,具有较好的分割效果.     

基于模糊Gibbs随机场聚类二维直方图的核磁共振图像分割

针对人脑组织结构的不确定性和模糊性,提出模糊Gibbs随机场聚类与二维直方图相结合的分割方法。该方法首先利用均值、方差及邻域属性对隶属度函数进行定义,并建立模糊Gibbs随机场;然后以模糊Gibbs随机场作为先验知识、最大后验概率为判别准则来确定每一个像素的类归属以及它属于该类的隶属度,同时用模糊类的质心来更新类中心;最后将类中心引入二维直方图方法中,找到每个类之间的各个阈值点对图像进行分割。通过实验表明该算法能够准确分割出各种脑组织,对噪声的鲁棒性、结果的准确性及平滑性相对于模糊C均值(FCM)算法都有了很大的提高。     

基于最小鉴别信息的正则化图像恢复方法

提出在正则化图像恢复方法中将图像恢复结果与先验图像的最小鉴别信息作为新的正则化约束.同传统的正则化约束不同,新的约束使得恢复的图像与给定的先验图像具有最相似的灰度分布.同时给出一种自适应确定正则化参数的方法.实验结果表明,新方法在恢复效果上要优于传统的正则化方法,但对噪声则比较敏感.因此,提出在降质图像含有较多的噪声时保留传统的正则化约束,以达到更好的恢复效果.     

基于图像距离测度的置乱效果评价法

提出了一种修改的图像距离进行图像置乱效果评价的方法.针对传统欧氏距离不能真实刻画置乱图像间差异程度的不足,考虑到图像中任意位置灰度信息与其周围邻域灰度存在紧密相关,将一种具有黎曼度量特性的图像距离进行修改并用来构造一种描述图像置乱效果好坏的评价函数.通过大量的实验得出,该评价方法是能够保持主客观评价的一致性.     

基于近似Voronoi图的移动机器人实时路径规划

运用Voronoi图理论及人工势场理论,研究了一种基于近似Voronoi图的移动机器人实时路径规划的方法,用来实现未知室内环境中移动机器人的自主导航。该方法朝向预先定义的目标点位置来探测室内环境,生成近似Voronoi图,同时利用人工势场法进行避障,生成一条能达到目标点的安全、光滑路径。仿真结果表明,该方法简单且易于实现,同时能够减少规划时间。     

基于遗传算法求解两曲线间最短距离

针对传统算法求解平面两条曲线间最短距离较为困难的问题,提出一种基于遗传算法的求解方法.该方法通过交替求解一条曲线上样本点到另一条曲线上样本点之间最短距离的方式对问题的可行域进行优化搜索.并对传统遗传算法做了两方面的改进,一是根据曲线自身特征分区间选取初始种群,使其能够合理地分布在寻优空间;二是对交叉结果进行跟踪,确保交叉成功后的个体优于父代个体.最终实例验证结果表明,该算法能较好地收敛到此类问题的全局最优解.     

基于聚类和马氏距离的多角度SURF图像匹配算法

对具有不同旋转角度和变化的图像进行匹配是图像识别中的技术难点,SURF算法在多角度图像的特征点检测和匹配过程中存在易受噪声点干扰、产生误匹配从而导致匹配效率低等不足。结合聚类和马氏距离,提出一种改进的多角度SURF图像匹配算法。首先利用聚类算法对原有算法提取的特征点进行噪声剔除处理,生成新的特征点数据集;然后利用马氏距离能够有效考虑整体相关性及其具有仿射不变性等特点,将SURF算法中的欧式距离用马氏距离替代。实验应用于多角度图像匹配时,改进算法较原SURF算法在匹配效率和准确率上有明显提高。     

基于三维栅格的GIS距离分析算法研究与应用

基于距离的分析是GIS中的一项基本空间分析功能,目前该分析主要是基于二维的,对三维空间的距离分析研究则较少。对基于三维栅格的距离分析进行了研究,提出了基于三维栅格的最短距离算法,并把该算法应用于非均质的三维缓冲体的生成。     

基于D3D立体镜显示器图像生成算法研究

介绍了自动立体镜显示器的结构及其三维显示的原理,研究了基于D3D技术的自动立体镜三维图像生成原理,对点蒙板方法做了深入的研究,给出了九片图中观察角度、位置以及视点观察空间的变换运算公式,在分析其优缺点的基础上提出了改进算法。并对最终图像的合成算法作了改进。在自动立体镜显示器上分别用原始方法、点蒙板方法、以及改进的点蒙板方法对图像进行显示,并在显示前准备时间、一帧图像渲染时间、三维深度感觉三方面对三者进行了对比实验。     

一种改进的中轴骨架三维模型检索算法

针对三维模型检索算法性能较低的问题,提出了一种改进的中轴骨架三维模型检索算法。